[發(fā)明專利]一種數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202211313718.7
• 申請(qǐng)日: 2022-10-25
• 公開（公告）號(hào): CN115759350A
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計(jì)）人: 李勇;馮濤;金德鵬
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/26;G06N3/084;G06N3/092;G06N3/096
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 張琪

1.一種數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法，其特征在于，包括：

利用基于強(qiáng)化學(xué)習(xí)的因果發(fā)現(xiàn)模型從源區(qū)域的數(shù)據(jù)中獲取相應(yīng)的區(qū)域因果知識(shí)；

基于所述區(qū)域因果知識(shí)和初始的變分自動(dòng)編碼器，得到基于因果增強(qiáng)的變分自動(dòng)編碼器；利用所述基于因果增強(qiáng)的變分自動(dòng)編碼器對(duì)目標(biāo)區(qū)域的缺失特征進(jìn)行恢復(fù)，獲得潛在的因果嵌入向量；其中，所述潛在的因果嵌入向量是觀測(cè)特征以及所述缺失特征對(duì)應(yīng)的表征向量；

基于所述源區(qū)域與所述目標(biāo)區(qū)域之間知識(shí)蒸餾的遷移學(xué)習(xí)算法，將預(yù)測(cè)模型的知識(shí)遷移到所述目標(biāo)區(qū)域，并基于所述預(yù)測(cè)模型的知識(shí)和所述潛在的因果嵌入向量進(jìn)行所述目標(biāo)區(qū)域的人口流動(dòng)預(yù)測(cè)；其中，所述預(yù)測(cè)模型是預(yù)先基于所述源區(qū)域的數(shù)據(jù)構(gòu)建的人口流動(dòng)預(yù)測(cè)模型。

2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法，其特征在于，所述利用基于強(qiáng)化學(xué)習(xí)的因果發(fā)現(xiàn)模型從源區(qū)域的數(shù)據(jù)中獲取相應(yīng)的區(qū)域因果知識(shí)，具體包括：

獲取所述源區(qū)域的數(shù)據(jù)；基于強(qiáng)化學(xué)習(xí)的區(qū)域因果知識(shí)構(gòu)建策略確定基于區(qū)域?qū)傩蕴卣髋判虻囊蚬l(fā)現(xiàn)模型，利用所述因果發(fā)現(xiàn)模型對(duì)所述源區(qū)域的數(shù)據(jù)進(jìn)行分析，以獲得滿足預(yù)設(shè)條件的區(qū)域?qū)傩蕴卣黜樞颍⑼ㄟ^貝葉斯檢驗(yàn)修剪得到包含區(qū)域?qū)傩蕴卣髦g關(guān)系的特征因果圖；其中，所述特征因果圖用于表示所述區(qū)域因果知識(shí)。

3.根據(jù)權(quán)利要求2所述的數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法，其特征在于，利用所述基于因果增強(qiáng)的變分自動(dòng)編碼器對(duì)目標(biāo)區(qū)域的缺失特征進(jìn)行恢復(fù)，獲得潛在的因果嵌入向量，具體包括：

將所述特征因果圖作為特征恢復(fù)路徑，基于所述初始的變分自動(dòng)編碼器和所述特征恢復(fù)路徑來學(xué)習(xí)包含區(qū)域?qū)傩蕴卣鞯娜笔畔ⅲ玫剿鰸撛诘囊蚬度胂蛄俊?/p>

4.根據(jù)權(quán)利要求1所述的數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法，其特征在于，基于所述區(qū)域因果知識(shí)和初始的變分自動(dòng)編碼器，得到基于因果增強(qiáng)的變分自動(dòng)編碼器，具體包括：

將所述目標(biāo)區(qū)域的未觀測(cè)到的缺失特征顯式建模為輔助的潛在變量，并使用所述區(qū)域因果知識(shí)對(duì)應(yīng)的因果路徑將特征之間的關(guān)聯(lián)關(guān)系添加到所述初始的變分自動(dòng)編碼器，以構(gòu)建得到初始的基于因果增強(qiáng)的變分自動(dòng)編碼器；通過反向傳播訓(xùn)練因果增強(qiáng)所述初始的基于因果增強(qiáng)的變分自動(dòng)編碼器，得到所述基于因果增強(qiáng)的變分自動(dòng)編碼器。

5.根據(jù)權(quán)利要求1所述的數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法，其特征在于，基于所述預(yù)測(cè)模型的知識(shí)和所述潛在的因果嵌入向量進(jìn)行所述目標(biāo)區(qū)域的人口流動(dòng)預(yù)測(cè)，具體包括：

基于所述預(yù)測(cè)模型的知識(shí)和所述潛在的因果嵌入向量獲取所述目標(biāo)區(qū)域中起點(diǎn)區(qū)域的特征和終點(diǎn)區(qū)域的特征，并添加起點(diǎn)和終點(diǎn)之間的距離信息，來預(yù)測(cè)所述目標(biāo)區(qū)域中起點(diǎn)和終點(diǎn)之間的人流量。

6.根據(jù)權(quán)利要求1所述的數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法，其特征在于，所述區(qū)域因果知識(shí)為源區(qū)域中人員特征和區(qū)域?qū)傩蕴卣髦g的因果映射關(guān)系信息。

7.根據(jù)權(quán)利要求1所述的數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)方法，其特征在于，所述目標(biāo)區(qū)域?yàn)閿?shù)據(jù)稀疏區(qū)域。

8.一種數(shù)據(jù)稀疏區(qū)域的人口流動(dòng)預(yù)測(cè)裝置，其特征在于，包括：

區(qū)域因果知識(shí)獲取單元，用于利用基于強(qiáng)化學(xué)習(xí)的因果發(fā)現(xiàn)模型從源區(qū)域的數(shù)據(jù)中獲取相應(yīng)的區(qū)域因果知識(shí)；

因果嵌入向量獲取單元，用于基于所述區(qū)域因果知識(shí)和初始的變分自動(dòng)編碼器，得到基于因果增強(qiáng)的變分自動(dòng)編碼器；利用所述基于因果增強(qiáng)的變分自動(dòng)編碼器對(duì)目標(biāo)區(qū)域的缺失特征進(jìn)行恢復(fù)，獲得潛在的因果嵌入向量；其中，所述潛在的因果嵌入向量是觀測(cè)特征以及所述缺失特征對(duì)應(yīng)的表征向量；

人口流動(dòng)預(yù)測(cè)單元，用于基于所述源區(qū)域與所述目標(biāo)區(qū)域之間知識(shí)蒸餾的遷移學(xué)習(xí)算法，將預(yù)測(cè)模型的知識(shí)遷移到所述目標(biāo)區(qū)域，并基于所述預(yù)測(cè)模型的知識(shí)和所述潛在的因果嵌入向量進(jìn)行所述目標(biāo)區(qū)域的人口流動(dòng)預(yù)測(cè)；其中，所述預(yù)測(cè)模型是預(yù)先基于所述源區(qū)域的數(shù)據(jù)構(gòu)建的人口流動(dòng)預(yù)測(cè)模型。